최근 랭그래프(LangGraph)를 활용한 멀티 에이전트 AI 서비스나 복잡한 공공 데이터를 다루는 데이터 기획 실무를 하다 보면 큰 고민에 빠지게 됩니다. 바로 '데이터 간의 숨겨진 맥락과 관계를 시스템에 어떻게 이해시킬 것인가' 하는 문제입니다.본 내용은 패스트캐퍼스에 '온톨로지 기반 프로덕트 레벨 AI Agent 서비스 구축' 공부하고 남긴 글입니다. 우리가 널리 사용하는 관계형 데이터베이스(RDB)는 스키마가 잘 짜여 있어 빠르고 안정적입니다. 하지만 현실 세계의 복잡한 네트워크를 표현하기 위해 수많은 테이블을 쪼개고 무거운 조인(Join) 연산을 걸어야 하는 한계가 있습니다.이번 글에서는 단순히 데이터를 저장하는 것을 넘어, 데이터 스스로 관계를 맺고 지식을 도출하는 기술인 온톨로지(Ontolo..

안녕하세요! 오늘은 데이터 관리와 AI 서비스 기획에서 아주 중요한, 하지만 종종 오해받곤 하는 '온톨로지(Ontology)'에 대해 이야기해보려 합니다. 본 내용은 패스트캐퍼스에 '온톨로지 기반 프로덕트 레벨 AI Agent 서비스 구축' 공부하고 남긴 글입니다. 많은 분이 "데이터베이스(DB)가 있는데 왜 굳이 온톨로지를 써야 하나요?"라고 묻습니다. 결론부터 말씀드리면, 데이터베이스는 '사실'을 저장하는 도구이고, 온톨로지는 그 사실의 '의미'를 정의하는 모델링 철학이기 때문입니다.1. DB가 대답하지 못하는 질문들우리가 흔히 쓰는 DB는 "무엇이 있는가(What)"를 찾는 데는 최고의 도구입니다. 하지만 사용자의 모호한 의도가 담긴 질문에는 당황하곤 하죠.사용자: "새벽에 쓰기 좋은 가벼운 노트북..

LLM 서비스도 다 같은 서비스가 아닙니다. 1년 지나면 겉보기는 동일해도 LLM 서비스들의 성능과 기능에 차이가 많습니다.그래서 1년 전 LLM 최적 사용법이 현재는 아닐 수 있습니다. 오늘은 강수진 박사님이 티타임즈에서 설명했던 LLM 잘 쓰는 법을 정리하고자 합니다. https://youtu.be/3UMvC4YS6Yk?si=rukSfFobBlAuWBxe https://www.youtube.com/watch?v=kAjlJipOHR8&t=8s https://youtu.be/NgkyUXJWYiI?si=XQpJZxK1lv4-y_nW Anthropic Claude 핵심 연구 4가지1. 해석 가능성: On the Biology of a Larguage Model, AI 내부를 현미경으로 보다(2025....

이번에는 4주차 AI 에이전트 엔지니어링(한빛미디어) 인프런 스터디에 'Part3 신뢰할 수 있는 에이전트 운영과 거버넌스'를 정리했습니다.세부 섹션은 Chapter11 개선루프, Chapter12 에이전틱 시스템 보안, Chapter13 인간과 에이전트의 협업 입니다. Chapter11 개선루프이 장의 목표멀티 에이전트 시스템의 지속적 성장을 위한 피드백 주도 메커니즘- 문제: 복잡한 시스템의 실패는 불가피 -> 실패로부터 배울 수 있는가가 핵심- 해결책: 피드백 -> 실험 -> 학습의 연속 사이클- 핵심 개념: 강화학습처럼 관찰, 액션 보상의 반복을 시스템화- 조직 과제: 기술뿐 아니라 엔지니어링 DS,PM,UX간 정렬 필요- 3대 기둥: 피드백 파이프라인| 실험 프레임워크 | 지속 학습 지속적 개..

이번에는 4주차 AI 에이전트 엔지니어링(한빛미디어) 인프런 스터디에 'Part3 신뢰할 수 있는 에이전트 운영과 거버넌스'를 정리했습니다. 세부 섹션은 Chapter9 검증 및 측정, Chapter10 운영 환경 모니터링 입니다. Chapter9 검증 및 측정이번 장의 목적- 에이전트 시스템의 성능을 측정하고 신뢰성을 검증하는 방법론 학습- 측정의 중요성 이해: 빠른 배포 압박 속에서도 엄격한 평가가 필수- 다층평가 체계 구축 컴포넌트 수준: 도구, 계획, 메모리, 학습 평가 시스템 수준: 엔드투엔드 통합 테스트 품질 수준: 배포 준비 및 게이트 메커니즘- 고객 지원 에이전트(깨진 머그 환불 시나리오) 사레로 실전 이해 측정: 에이전틱 시스템의 핵심 - 엄격한 측정 없이는 설제 개선인지 회귀인지 ..

오늘은 3주차 AI 에이전트 엔지니어링(한빛미디어) 인프런 스터디에 Chapter8 단일 에이전트에서 멀티 에이전트로에 대해서 다룹니다. Chapter8 단일 에이전트에서 멀티 에이전트로에이전트는 몇 개나 필요할까?기본 원칙: 단순함에서 출발하여 필요할 때만 복잡성 추가영향 요인: - 작업 난이도와 도구 개수(16개 이상이면 성능 저하) 요즘은 더 많이 사용 가능...- 환경 복잡성과 병렬 처리 필요성-지연시간(latency) 요구사항선택 경로:1) 단일 에이전트로 시작2) 계층적/시맨틱 도구 선택으로 최적화3) 필요시만 멀티 에이전트로 전 단일 에이전트 vs 멀티 에이전트구분단일 에이전트멀티 에이전트구현 난이도단순복잡지연시간낮음높음(조율 오버헤드)도구 관리도구가 많을 수록 성능 떨어짐전문화로 정확도 높..

오늘은 3주차 AI 에이전트 엔지니어링(한빛미디어) 인프런 스터디에 Chapter7 에이전틱 시스템의 학습에 대해서 다룹니다. Chapter7 에이전틱 시스템의 학습이장의 목표- 에이전트가 시간에 따라 성능을 개선하는 핵심 메커니즘 학습- 학습 구현의 투자 대비 효과 판단 방법 이해- 두 가지 학습 패러다임의 장단점과 선택 기준 습득학습이란? 환경과의 상호작용을 통해 에이전틱 시스템의 성능을 향상시키는 것 학습 방식의 스펙트럼:1. 비모수적 학습 - 빠르고 단순, 환경 적응에 강함2. 모수적 학습 - 깊은 특수화, 충분한 자원 필요(파라미터를 건드리는 방식으로 파인튜닝) 비모수적 학습의 개요정의: 모델의 파라미터를 변경하지 안호 자동으로 성능을 개선핵심특징:- 구현이 단순하고 비용 효율적- 빠르게 적용 ..

오늘은 2주차 AI 에이전트 엔지니어링(한빛미디어) 인프런 스터디에 Chapter4 도구로, chapter5 오케스트레이션 chapter6 지식과 메모리에 대해서 다룹니다. Chapgter4 도구유형특징예시로컬도구로컬 실행, 정확하고 예측 가능계산기, 시간대 변환API 기반 도구외부 서비스 연동, 실시간 데이터날씨 API, 주식 조회플러그인 도구모듈화, 최소 커스터마이징으로 통합허깅페이스, 플랫폼 플러그인MCP 도구표준화된 프로토콜로 통합JSON-RPC 기반 서비스 플러그인 도구플러그인 도구는 강력하지만 로컬 또는 원격에서 제공하는 맞춤형 도구처럼 높은 수준의 커스터마이징과 적응성을 제공하지는 않습니다. 오픈소스 파운데이션 모델의 플러그인 도구 개발의 대표적 사례: 허깅페이스 라이브러리는 자연어처리 작업..

오늘은 인프런 챌린지 게임 시스템 기획 챌린지 4주차 내용을 공부했습니다. 설연휴도 있고 해서 조금 미리 공부했습니다. 도서는 한빛미디어에서 나온 유리링의 실전 게임 시스템 기획입니다.공부할 내용은 chapter17 시스템 기획서의 역할과 범위, chapter18 시스템 기획서 실습, chapter19 시스템 기획서의 완성도를 결정하는 요소들, chapter20 디자인부터 런칭까지, 시스템 기획의 여정, chapter21 시스템 기획자 레벨 업 입니다. 설 연휴까지 게임기획 챌린지를 마무리하고, 나머지 기간 동안 AI Agent 챌린지에 전념하고자 합니다.Chapter17 시스템 기획서의 역할과 범위 시스템 기획서가 완성되는 과정1. 아이디어 발샹 - 아이디어 제안서 작성2. 아이디어 구체화 - 기..

오늘은 인프런 챌린지 게임 시스템 기획 챌린지 3주차 내용을 공부했습니다. 설연휴도 있고 해서 조금 미리 공부했습니다. 도서는 한빛미디어에서 나온 유리링의 실전 게임 시스템 기획입니다.공부할 내용은 chapter10 데이터 테이블이란 무엇인가, chapter11 데이터 테이블 설계, chapter12 데이터 테이블 사례, chapter13 UX/UI란 무엇인가, chapter14 UX/UI 기획을 위한 구성 요소와 표현 기법, chapter15 UX/UI 설계, chapter16 UX/UI 구성요소입니다.Chapter10 데이터 테이블이란 무엇인가게임 데이터 저장은 1)하드코딩 방식과 2) 데이터테이블 방식으로 구분된다. 데이터테이블 방식은 아래 5가지면에서 유리하다. 1) 코드 수정 없..